Rasa核与Rasa nlu的区别

Question

我试图从官方文档中理解Rasa岩心和Rasa NLU之间的区别，但我不太理解。我理解的是，Rasa核心用于指导会话流程，而Rasa NLU用于处理文本以提取信息(实体)。

在Rasa岩心和Rasa NLU中都有构建聊天机器人的例子。我不明白这两种方法的区别是什么，以及何时采用一种而不是另一种方法。

你能帮我更好地理解这件事吗？

Answer 1

你做得对。这两个人一起工作，但他们有着不同的目标。简单地说，Rasa Core处理会话流、话语、动作和Rasa NLU提取实体和意图。

关于你的第二个问题：

第一个例子展示了创建机器人的整个工作流程，展示了如何设置域和故事。这些是Rasa Core的特性，而不是Rasa NLU的特性。在本例的第2项(称为定义解释器)中，作者明确表示他正在使用Rasa NLU作为解释器(但您甚至可以使用另一个实体提取器框架)。

第二个示例( Rasa NLU one)显示了如何仅训练实体和意图提取器。您没有关于域和故事的任何信息，也没有关于会话流的信息，这是一个纯NLU示例(即使他使用Rasa Core的默认运行方法来运行bot)。

当我开始学习的时候，Rasa有点难理解开发机器人的概念。但是当你开始编码的时候，它变得清晰了。无论您使用哪种平台，NLU都将处理实体和意图，而会话流则是另一回事。

甚至可以使用一个库来处理bot的核心，使用另一个库来处理NLU。

我想指出的是，与构建bot核心的大多数工具不同，Rasa core使用机器学习可以更好地概括对话流程。您可以使用可能的会话路径数据集，而不是为会话中的每个可能节点编写代码，并训练核心来概括它。这是一个非常酷和强大的特性:)

希望能帮上忙。

Answer 2

对于初学者的一个非常外行的描述: Rasa NLU是理解输入的解释器。基本上，它找出了实体和标签的意图。

Rasa完成了你想要你的机器人做的其余的工作，谈话流程是最重要的。

例如，你对机器人说“你好”。Rasa NLU将理解输入的意图作为问候语，Rasa Core将告诉机器人用问候语回答。

回复将是问候，如果你训练你的机器人，或者它也可能是其他任何东西。

Answer 3

为了简单地解释，Rasa NLU使用NLP (自然语言处理)来理解你告诉机器人的内容。

它理解你所说的，并与你所定义的意图相匹配。

另一方面，Rasa Core处理会话流。“故事”标记文件列出了它们的意图和操作。

因此，当NLU给出意图时，Core执行与其对应的操作，而bot将使用该操作进行回复。